| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题背景及意义 | 第8-9页 |
| 1.2 手写英文识别概述 | 第9-13页 |
| 1.2.1 脱机手写英文识别研究发展历史与现状 | 第9-11页 |
| 1.2.2 联机手写英文识别研究发展历史与现状 | 第11-12页 |
| 1.2.3 手写英文识别遇到的问题 | 第12页 |
| 1.2.4 手写英文识别发展趋势 | 第12-13页 |
| 1.3 文章内容和组织结构 | 第13-15页 |
| 第2章 数据集介绍 | 第15-23页 |
| 2.1 IAM脱机手写英文数据集 | 第15-19页 |
| 2.2 IAM联机手写英文数据集 | 第19-22页 |
| 2.3 微软INK联机手写英文数据集 | 第22页 |
| 2.4 小结 | 第22-23页 |
| 第3章 手写图像预处理与特征提取 | 第23-30页 |
| 3.1 数据预处理 | 第23-25页 |
| 3.1.1 手写笔迹增强 | 第23-24页 |
| 3.1.2 中心线与倾斜矫正 | 第24-25页 |
| 3.2 滑动窗口及PCA特征提取 | 第25-29页 |
| 3.2.1 滑动窗口 | 第25-27页 |
| 3.2.2 PCA特征计算 | 第27页 |
| 3.2.3 PCA特征评估 | 第27-29页 |
| 3.3 小结 | 第29-30页 |
| 第4章 构建基于DBLSTM-HMM模型的识别系统 | 第30-52页 |
| 4.1 DBLSTM-HMM模型理论框架及意义 | 第30-33页 |
| 4.2 基于DBLSTM-HMM模型的识别系统框架 | 第33-34页 |
| 4.3 GMM-HMM训练与训练数据标注 | 第34-36页 |
| 4.4 DBLSTM训练 | 第36-45页 |
| 4.4.1 循环神经网络 | 第36-39页 |
| 4.4.2 双向循环神经网络 | 第39-41页 |
| 4.4.3 长短时记忆模型 | 第41-45页 |
| 4.5 DBLSTM-HMM解码 | 第45-48页 |
| 4.5.1 语言模型 | 第45-46页 |
| 4.5.2 WFST解码器 | 第46-48页 |
| 4.5.3 识别结果评价准则 | 第48页 |
| 4.6 系统有效性验证 | 第48-51页 |
| 4.6.1 实验内容与配置 | 第48-49页 |
| 4.6.2 实验结果与分析 | 第49-51页 |
| 4.7 小结 | 第51-52页 |
| 第5章 骨架化脱机-联机手写样本联合训练 | 第52-58页 |
| 5.1 脱机-联机样本联合训练的意义及研究现状 | 第52-53页 |
| 5.2 骨架化脱机-联机手写样本合成方法 | 第53-55页 |
| 5.2.1 骨架化方法概述 | 第53-54页 |
| 5.2.2 笔划抽取 | 第54页 |
| 5.2.3 骨架图像绘制 | 第54-55页 |
| 5.3 骨架化脱机-联机样本联合训练有效性验证 | 第55-56页 |
| 5.3.1 实验内容与配置 | 第55页 |
| 5.3.2 实验结果与分析 | 第55-56页 |
| 5.4 小结 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65-67页 |
| 致谢 | 第67页 |